python中tensorflow实现二分类_简洁明了的tensorflow2.0教程——实现鸢尾花分类

通过本文你可以学会神经网络最基本的用法，可以对tensorflow用法有初步的了解，实现神经网络入门，适用于有着在机器学习/或者深度学习有着理论基础，拥有一定python编程基础但是对神经网络实践缺少经验的coder，通过阅读并且自己完成本篇博客中的代码小白也能学会如何利用神经网络来实现简单的分类任务。这一讲源码在我的github，地址：https://github.com/JohnLeek/Tensorflow-study，源码文件为day1_iris_classfiction.py,觉得不错可以给个Star。

一、环境配置

这里需要用到的第三方包有numpy，pandas，matplotlib，sklearn，注意的是tensorflow用的是2.0版本，不涉及图像GPU和CPU版本随意选择，读者可先用pip命令安装好所需要的包，tensorflow2.0的安装配置见我这篇博客，https://blog.csdn.net/JohnLeeK/article/details/104508885，开发工具选择pycharm，pycharm中配置tensorflow运行环境可以参考我的这篇matplot配置博客，https://blog.csdn.net/JohnLeeK/article/details/99582355，大同小异，也可自行百度解决。

二、鸢尾花数据集展示与说明

废话不多说直接进入正题，首先我们看一下鸢尾花数据集的结构

敲入如下代码：

from sklearn import datasets

from pandas import DataFrame

import pandas as pd

#.data返回特征值

x_data = datasets.load_iris().data

#.target 返回标签

y_data = datasets.load_iris().target

print("x_data from datasets: \n",x_data)

print("y_data from datasets: \n",y_data)

x_data = DataFrame(x_data,columns=['花萼长度','花萼宽度','花瓣长度','花瓣宽度'])

pd.set_option('display.unicode.east_asian_width',True)

x_data['类别'] = y_data

print("x_data add a column: \n",x_data)

结果：

可知数据集提供了死个鸢尾花属性，分别为花萼长度、花萼宽度、花瓣长度、花瓣宽度，0,1,2分别对应不同的鸢尾花品种。到这里我们就可以设计出来本次鸢尾花分类的神经网络模型，输入层4个神经元对应鸢尾花数据集的4个特征，输出层3个神经元对应鸢尾花的3个分类。

好了有了数据集的准备，并且我们也搭建出来了简单的神经网络模型(不包括偏置神经元，通常在设计神经网络时会忽略，bias)